Obtenir des bases de données pour l'analyse de reconnaissance des émotions de la parole

1. Quelle technologie est utilisée dans la reconnaissance des émotions de la parole?
2. Quel algorithme est utilisé pour la reconnaissance des émotions?
3. Quel modèle est le meilleur pour la reconnaissance des émotions?
4. Pourquoi utiliser CNN pour la reconnaissance des émotions de la parole?

Quelle technologie est utilisée dans la reconnaissance des émotions de la parole?

Un classificateur de réseau neuronal récurrent (RNN) est utilisé en premier pour classer sept émotions. Leurs performances sont comparées plus loin aux techniques de régression linéaire multivariée (MLR) et de machines à vecteurs de support (SVM), qui sont largement utilisées dans le domaine de la reconnaissance des émotions pour les signaux audio parlés.

Quel algorithme est utilisé pour la reconnaissance des émotions?

Trois algorithmes ML populaires, SVM, RF et KNN ont été utilisés pour la reconnaissance de l'intensité des émotions. Une étude comparative et une mise en œuvre d'algorithmes pour mesurer les émotions faciales et leurs intensités basées sur les différentes AU (unités d'action) sont présentées.

Quel modèle est le meilleur pour la reconnaissance des émotions?

Support Vector Machine (SVM), Hidden Markov Model, Adaboost et Artificial Neural Networks (ANN)⁹ sont des schémas largement utilisés pour la reconnaissance de l'expression faciale.

Pourquoi utiliser CNN pour la reconnaissance des émotions de la parole?

Il est prouvé que le modèle CNN proposé dans cette expérience a une grande précision dans la classification des émotions positives, et elle est plus élevée que RNN et MLP.